Question

我使用函数来计算一对文档之间的相似性，并且想要使用这种相似性度量来执行聚类代码到目前为止

Sim=np.zeros((n, n)) # create a numpy arrary  
i=0  
j=0       
for i in range(0,n):      
   for j in range(i,n):  
    if i==j:  
        Sim[i][j]=1
     else:    
         Sim[i][j]=simfunction(list_doc[i],list_doc[j]) # calculate similarity between documents i and j using simfunction
Sim=Sim+ Sim.T - np.diag(Sim.diagonal()) # complete the symmetric matrix

AggClusterDistObj=AgglomerativeClustering(n_clusters=num_cluster,linkage='average',affinity="precomputed") 
Res_Labels=AggClusterDistObj.fit_predict(Sim)

我担心的是，我在这里使用了相似度函数，我认为根据文档它应该是一个相异矩阵，我怎样才能将它改为不相似矩阵。这也是一种更有效的方法。

Answer 1

请正确格式化代码，因为缩进在Python中很重要。
如果可能，请保持代码完整（您遗漏了import numpy as np）。
由于range始终从零开始，您可以省略它并写下range(n)。

numpy中的索引就像[i，j，k，...]一样因此，您实际上想要编写Sim[i][j]而不是Sim[i, j]，因为否则您会执行两个操作：首先获取整个行切片然后索引列。另一种方法是将上三角形的元素复制到下面的三角形

Sim = np.identity(n) # diagonal with ones (100 percent similarity)

for i in range(n):      
    for j in range(i+1, n):    # +1 skips the diagonal 
        Sim[i, j]= simfunction(list_doc[i], list_doc[j])

# Expand the matrix (copy triangle)
tril = np.tril_indices_from(Sim, -1) # take lower & upper triangle's indices
triu = np.triu_indices_from(Sim, 1)  # (without diagonal)
Sim[tril] = Sim[triu]

假设你真的在范围（0,1）内有相似之处将你的相似性矩阵转换成距离矩阵，然后就可以了。

<强> dm = 1 - Sim

此操作将通过numpy

使用相似性函数来聚类scikit-learn

1 个答案: